import numpy as np
from sklearn import svm
from sklearn.linear_model import LogisticRegression
my_matrix=np.loadtxt("E:\\pima-indians-diabetes.txt",delimiter=",",skiprows=0)
lenth_x=len(my_matrix[0])
data_y=my_matrix[:,lenth_x-1]
data_x=my_matrix[:,0:lenth_x-1]
print(data_x[0:2],len(data_x[0]),len(data_x))
data_shape=data_x.shape
data_rows=data_shape
SVM模型应用(三)通过数据归一化改善SVM模型的预测效果
最新推荐文章于 2024-07-31 23:49:26 发布
文章探讨了数据归一化在SVM模型中的作用,通过实例展示归一化如何显著提高模型预测效果,使之接近逻辑回归模型的表现。接下来,作者计划进一步通过调整SVM的超参数来优化预测性能。
摘要由CSDN通过智能技术生成